Physikbasierte neuronale Netzwerke (PINN) können als effiziente Ersatzmodelle für aufwendige Pseudo-2D-Batteriemodelle verwendet werden, um die Parameterschätzung mittels Bayes'scher Kalibrierung zu beschleunigen.
Physik-informierte neuronale Netzwerke (PINNs) können als leistungsfähige Ersatzmodelle für physikbasierte Li-Ionen-Batteriemodelle wie das Einzelpartikelmodell (SPM) verwendet werden, um die internen Batterieparameter schnell und genau zu bestimmen.